在全国采样的电子健康记录库中识别艾滋病毒感染者或艾滋病毒风险人群,称为国家临床队列协作:计算型表型研究

科学领域:

• 医疗信息学 医疗信息学
• 流行病学 流行病学
• 临床研究 临床研究

背景情况:

• 电子健康记录 (EHR) 对艾滋病毒研究至关重要,但需要精细的方法来准确识别患者.
• 传统的诊断代码可能导致错误分类,特别是重叠的药物指示 (例如,HIV和COVID-19治疗中的里托纳维尔).
• 随着COVID-19的流行,人们需要强大的表型识别,以了解它对艾滋病毒感染者的影响.

研究的目的:

• 开发和验证一种使用颗粒式EHR数据的可通用计算表型化方法.
• 准确识别四个不同的队列:艾滋病毒感染者,PrEP使用者,PEP使用者和非艾滋病毒感染者.
• 描述这些已识别的队列中的COVID-19相关特征.

主要方法:

• 利用了国家临床队列协作机构的诊断代码,实验室测量和药物概念.
• 开发了一个计算表型,对四个队伍中的每一个队伍都有信心水平.
• 通过随机抽样,盲目的临床医生注释评估表型精度.

主要成果:

• 成功确定了132,664名艾滋病毒感染者,36,088名PrEP使用者,4120名PEP使用者,以及超过2000万未感染艾滋病毒的人.
• 对于艾滋病毒感染者来说,最有效的鉴定策略涉及医疗条件,实验室测量和药物暴露的组合 (56.4%).
• 与其他队列相比,感染艾滋病毒的人群的COVID-19相关住院率 (3.5%),COVID-19死亡率 (0.6%) 和全因死亡率 (1.6%) 较高.

结论:

• 使用颗粒式EHR数据的先进的表型算法可以有效地识别关键的艾滋病毒相关队列.
• 开发的方法为未来基于EHR的表型研究提供了强大的和可转移的方法.
• 调查结果强调了COVID-19对艾滋病毒感染者的不成比例影响,以及EHR数据在公共卫生监测中的实用性.